Intelligence collective
Contents
1. n 1 6 villes 1 20 parcours possibles 10 villes plus de 362 000 60 villes plus de 108 atomes dans l univers a Ceci peut expliquer pourquoi ce probl me r7 7 er rie r na pas t tudi s rieusement avant l arriv e des ordinateurs est devenu aujourd hui un benchmark classique AntSystem AS o Le premier ACO 1992 Performances moyennes m Etendu a de nouvelles versions par exemple MaxMinASs a M thode robuste la colonie continue de fonctionner lorsque certains individus chouent accomplir leur t che Le probl me de la repr sentation m une solution potentielle un tour du voyageur M Un tour un chemin suivi par une fourmi artificielle Algorithme AS Initialiser repeat o Chacue ani cone rent Une soltero i e Um cour complet o Mettre a jour les ph romones Ajouter d poser de la ph romone afin de r compenser renforcer les meilleures solutions Retirer vaporer les traces de ph romone until maxCycles ou bonneSolution AntSystem initialiser ES Les n distances inter villes sont connues i R partir les m ants al atoirement sur les n villes 2 Pour chaque ant initialiser al atoirement sa liste tabou avec sa ville de d part 3 Initialiser les pistes de pheromones T C o C constant positive non nulle Algorithme AS Initialiser repeat o Chaque ant construit une solution ie un tour complet o Mettre a jour les ph rom2. me esp ce vivants rassembl s selon un mode de vie particulier o La vie en colonie apporte des avantages plus fortes d fenses possibilit de s attaquer des proies plus importantes Comportements collectifs des insectes sociaux auto organisation Guy Theraulaz CNRS Toulouse Comportements collectifs des insectes sociaux auto organisation Guy Theraulaz CNRS Toulouse Comportements collectifs des insectes sociaux auto organisation Emergence Guy Theraulaz CNRS Toulouse Intelligence en essaim swarm intelligence EN Agents petits puissance m canique disposant de ressources limit es intelligence a Sens de la coop ration rudimentaire et paradoxalement efficaces au niveau d ensemble o T ches individuelles simples ramasser un uf et l amener vers un endroit s r prendre de la nourriture achemin e par un autre individu et la d poser en un lieu donn Ramener de la nourriture au nid Swarm intelligence a Comportement primitif dont le r sultat d ensemble est riche et coh rent O A la diff rence des mod les sociaux humains le comportement de l individu privil gie exclusivement l int r t de la collectivit Principe plusieurs entit s simples en interaction desquelles merge un niveau collectif une structure complexe qualifi e d intelligente Le cas des fourmis En Les fourmis pr sentent des particularit s qui rendent la v
3. sociaux fourmis termites abeilles animaux se d pla ant en formation meute oiseaux migrateurs bancs de poissons o Points communs qui caract risent l intelligence collective les individus sont gr gaires car ils obtiennent un avantage substantiel chasser se d placer ou vivre en groupe interagissent de mani re locale par le moyen de signaux grognement ph romones attitudes l individu seul r pond instinctivement certains stimuli la coordination du groupe est implicite et se fait au travers de r gles comportementales tr s simples au niveau individuel Les ph nom nes de meute rel vent ils de l intelligence collective RE Les mammif res chassant en meute loup hy ne lionnes sont moins repr sentatifs d une r elle intelligence collective chaque individu est dou d une capacit cognitive importante poss de une information globale assez importante type d intelligence se rapproche plus de l organisation et de la coordination qu on retrouve dans les sports d quipe ou le travail collaboratif nombre d individus pas suffisamment lev pour parler d mergence d une intelligence collective Insectes sociaux EEN a Organis s en colonies a D montrent une intelligence collective qui permet de retirer un b n fice d un instinct gr gaire a Parmi les insectes sociaux Fourmis Ant Colony Optimization ACO Abeilles Bees Optimization BO Oiseaux Poissons Particule Swarm Optim
4. SYST MES ARTIFICIELS COMPLEXES INTELLIGENCE COLLECTIVE Optimisation par colonie de fourmies TEE O Introduction Natural Computing a 1 Swarm Intelligence Insectes sociaux Stigmergie Mod lisation et simulation du fourragement a 2 Ant Colony Optmisation ACO et TSP Algorithme AS Variantes Natural Computing objectifs RE o Dans le but de cr er des syst mes autonomes robustes et volutifs une nouvelle forme d ing nierie trouve son inspiration dans les syst mes naturels complexes o Par exemple pour concevoir des syst mes s curis s contre les intrusions il est possible d imaginer de nouveaux m canismes inspir s des d fenses immunitaires Oo Ces syst mes doivent tre pens comme la somme d entit s distribu es auto organis es et adaptatives Natural Computing objectifs En o L objectif de ce cours est de pr senter un exemple de syst me informatique inspir s par la Nature utilis en ing nierie optimisation o Lien entre le domaine naturel thologie sociologie et les m thodes informatiques o La Nature doit tre une source d inspiration et non une contrainte Bibliographie Source o Machine Nature The Coming Age of Bio Inspired Computing by Moshe Sipper McGraw Hill New York 2002 o Les syst mes complexes math matiques amp biologie H P Zwirn ed O Jacob a Poptimisation par essaims particulaires M Clerc ed Hermes a Outil de simulation ht
5. e setxy 0 0 position du nid set shape bug set size 2 set color red red ne transporte pas de nourriture Simulation NetLogo go RE AAA to go ask turtles if who gt ticks stop les fourmis partent du nid l une apres l autre ifelse color red chercher nourriture ne transporte pas de nourriture retourner au nid transporte de la nourriture et retourne au nid avec tortiller avancer diffuser pheromone evaporer pheromone tick end Simulation NetLogo diffuser evaporer O PE to diffuser pheromone diffuse odeur pheromone taux diffusion pheromone 100 end to evaporer pheromone ask patches let new odeur set new odeur odeur pheromone 100 taux evaporation pheromone 100 set odeur pheromone new odeur if nourriture 0 and not nid set pcolor scale color blue odeur pheromone 0 1 5 Simulation NetLogo aller vers odeur 7 eee to aller vers odeur type odeur procedure turtle let odeur devant odeur a angle type odeur 0 let odeur droite odeur a angle type odeur 45 let odeur gauche odeur a angle type odeur 45 if odeur droite gt odeur devant or odeur gauche gt odeur devant ifelse odeur droite gt odeur gauche TE 45 1t 45 1 Questions Observations o Les fourmis exploitent elles les sources de nourritures en s rie ou en parall le o La source la plus proche est elle exploit e en premier o Y a t il mer
6. e oO Si p 1 les ants prennent seulement en compte les d p ts du dernier cycle donc pas de m moire p repr sente la persistance de la piste ie l effet m moire Quantit de ph romone d pos e par les ants lors d un tour cycle En At t quantit de ph romone d pos e par les ants sur l arc reliant la ville 1 la ville J entre les instants t et t n Pour chaque ant k passant par Parc 1 3 At t Q L t O O repr sente un quota de ph romones attribu chaque ant souvent Q 100 L t est la longueur du tour r alis par l agent k Id e un tour est court les arcs qui le composent sont approvisionn s en ph romone Remarque c est bien une m a j retard e Intensification vs diversification oO Intensification exploitation de l information disponible un instant donn e durant un run o Diversification exploration de r gions de l espace de recherche pas ou insuffisamment prises en compte au M ta probl me comment g rer chaque instant le compromis choisir a priori un bon r glage des param tres a P p contr ler la dynamique en fonction de l tat du syst me Hybridation ACO LocalSearch Objectif am liorer la performance globale de l algorithme Comment optimiser chaque tour par des modifications locales Initialiser repeat Chaque ant construit un tour complet Optimiser chaque tour par une recherche locale Mettre a jo
7. gence d un chemin stable i e ininterrompu entre le nid et une source de nourriture o Existe t il une taille critique pour la colonie Questions Observations 4 D terminer le taux de fourmis utiles ratio entre le nombre de fourmis qui ram nent de la nourriture et le nombre total de fourmis o Quelle est l influence sur la dynamique du taux de diffusion des ph romones du taux d vaporation des ph romones Pour aller plus loin O Essayer diff rents placements pour les sources de nourriture Que se passe t il si deux sources sont une m me distance du nid a Dilemme exploitation exploration s rie ou Que se passe t il avec un obstacle entre le nid et une source U Une fourmi utilise une astuce pour revenir au nid en suivant une odeur diffuser par le nid Les vrais fourmis ne font pas ici Essayer d implanter d autres solutions Concepts R gles locales simples parall lisme o Emergence de computation collective globale a Pas de leader pas de carte actions d centralis es o Interactions locales ant gt ant via l environnement a Transition de phase seuil masse critique minimal de fourmis Stigmergie RE Stimulation d agents par la performance de ce qu ils ont accompli Grass 1999 o Communication D centralis e via des interactions locales a indirecte via l espace E Coincidence spatiale et d synchronisation temporel
8. ie en collectivit tr s profitable l esp ce Un registre comportemental limit Des capacit s cognitives limit es ne permet pas un seul individu d obtenir assez d information sur l tat de la collectivit et de l environnement pour garantir une division des t ches efficace Des facult s de communication avanc es par le biais des ph romones favorisant des interactions multiples Le cas des fourmis EN La colonie est un syst me complexe stable et auto r gul capable de s adapter aux variations environnementales les plus impr visibles r soudre des probl mes sans contr le externe ou coordination centrale Cela a permis aux fourmis de s imposer sur la Terre puisque la biomasse des fourmis est sensiblement identique celle de l esp ce humaine Fourragement de nourriture par une colonie de fourmis EN y Des fourmis se trouvent dans un nid et se d placent pour r colter de la nourriture aupr s de zones attractives a Le nid et les sources diffusent des odeurs qui d croissent avec la distance a Les ph romones s vaporent avec le temps Fourragement de nourriture o Des entit s autonomes au comportement primaire peuvent collecter de la nourriture de mani re efficace Met en jeu des comportements locaux chaque fourmi ne sait pas o se trouve la fourmili re ni la nourriture sait Uniquement analyser son voisinage direct o L environnement lui aussi volue de mani re locale Les ph
9. iki r seaux sociaux Intelligence collective EE o D signe les capacit s cognitives d une communaut r sultant des interactions multiples entre ses membres agents Un agent ne poss de qu une perception locale et donc partielle de l environnement et n a pas connaissance de la totalit des l ments qui influencent le groupe Chaque agent a un comportement simple Collectivement les agents peuvent accomplir une t che complexe 11 Sous certaines conditions particuli res la synergie cr e par la collaboration fait merger des facult s de repr sentation de cr ation et d apprentissage sup rieures celles des individus isol s swarm Intelligence conditions d mergence EO o Une information locale et limit e chaque individu ne poss de qu une connaissance partielle de l environnement et n a pas conscience de la totalit des l ments qui influencent le groupe o Un ensemble de r gles simples chaque individu ob it un ensemble restreint de r gles simples sans rapport direct avec le comportement global o Des interactions multiples chaque individu est en relation avec seulement un ou plusieurs autres individus du groupe a Une structure mergente utile la collectivit les individus trouvent un b n fice collaborer et leur performance est meilleure que s ils avaient t seuls Intelligence collective et animaux SOCIAUX a L intelligence collective s observe chez insectes
10. ization PSO Insectes sociaux Eusocialit a a Structure sociale de la colonie Eusocialit pr sence d une caste st rile ouvri res division du travail absence de s paration franche entre les diff rentes g n rations o Le fait que les ouvri res ne se reproduisent pas s explique par le fait que le b n fice n est pas donn leur prog niture mais des individus apparent s L altruiste a t il un int r t s lectif 2 KE Darwin 1859 observait que les insectes sociaux posaient probl me dans sa th orie de l volution Comment des individus qui ne se reproduisent pas et par cons quent ne participant pas l volution de l esp ce peuvent ils tre s lectionn s Hamilton 1964 r pondit cette question la fitness darwinienne mesure du succ s reproductif relatif l individu concernant le passage de ses g nes aux g n rations suivantes via ses enfants tait trop troite pour expliquer l effet de la s lection naturelle sur la fr quence relative des all les dans la population propose que la s lection naturelle agit aussi sur des individus qui aidaient leurs apparent s et augmentaient donc leur aptitude reproductive globale introduit la valeur s lective globale inclusive fitness Oo lire Je t aide moi non plus C Clavien Ed Vuibert 2010 Colonie d insectes HTA o En socio biologie une colonie est un groupe d organismes individuels appartenant une m
11. le m Pas de contact physique entre agents a Optimisation Propri t mergente Ant Colony Optmisation RE a O Introduit par M Dorigo en 1991 O Historiquement appliqu sur le TSP Id e repr senter le probl me r soudre sous la forme de la recherche d un meilleur chemin dans un graphe Ant Colony Optmisation M ta probl me comment g rer le compromis exploitation exploration Intensification via les ph romones des bons chemins Diversification par la nature al atoire des d cisions A C O et T S P o Le probl me du voyageur de commerce Traveller Salesman Problem consiste trouver le chemin le plus court en passant une seule fois par un nombre donn de villes O En utilisant des fourmis artificielles con ues pour d poser des pistes de ph romone dont la concentration varie en fonction de la distance totale qu elles ont parcourue on peut obtenir des chemins quasi optimaux Traveller Salesman Problem O Etant donn n points des villes et les distances s parant chaque point trouver un chemin de longueur totale minimale qui passe une seule fois par chaque point et revienne au point de d part o Les informaticiens ont utilis des mod les du comportement collectif des insectes sociaux d finis par les thologistes pour traiter ce type de probl mes d optimisation Probl me du Voyageur de Commerce TSP ES o Complexit de parcours possibles pour n villes est de
12. oeuds et de distances entre chaque paires de noeuds il s agit de trouver un chemin de longueur minimale visitant exactement une et une seule choix chaque n ud Benchmark ulysses22 tsp GEO COMMENT Odyssey of Ulysses AT Oe IA AS 0 LL SG 0b ee Sesto Aa Poa LS o en IS oS TAR SIRS DIMENSTON 22 Ancla can Ig GO DESEO DI AA COORDEDISELAY NODE COORD SECTION 15 35 49 14 32 e 0 Ae 16 39 36 19 56 PROCESSUS 17 38 09 24 36 3 40 56 25 32 18 36 09 23 00 E aY 19 40 4401307 DD MA de Ea Di Wo e 6 37 56 12 19 22 80 ET 22 3G Toe OO Ae Aa EOF 8 37 52 20 44 ulysses22 opt tour tour optimal ZE NAME ulysses22 opt tour 9 COMMENT Optimal solution of ulysses22 10 DIMENSION 22 19 TOUR_ SECTION 20 1 21 14 16 13 3 12 2 7 17 6 22 15 4 5 18 11 8 1
13. ommand line options 1 a I w 4E HE SE OSE HE HE HE OH OSE E hh SE 1 OF no number of independent trials number of steps in each trial maximum time for each trial inputfile TSPLIB format necessary stop if tour gt optimum is found number of ants nearest neighbours in tour construction alpha influence of pheromone trails beta influence of heuristic information rho pheromone trail evaporation q 0 prob of best choice in tour construction number of elitist ants number of ranks in rank based Ant System No of nearest neighbors for local search local search L 2 o opt 2 2 5 0pt 3 2 ODE use don t look bits in local search ACOTSP command line options 2 RE ES basic Ant System elitist Ant System rank based version of Ant System MAX MIN ant system best worst ant system ant colony system display the help text and exit u as apply v eas apply w ras apply x mmas apply y bwas apply Z acs apply h help Options 2s eas ras mmas bwas acs help don t need arguments while all the others do Librairie TSPLIB O O http www iwr uni heidelberg de groups comopt software TSPLIB95 Cette librairie contient des exemples simples de TSP on se limitera des TSP sym triques Symmetric traveling salesman problem La distance entre le noeud i et le noeud j est la m me qu entre les noeuds j et i Etant donn un ensemble de n
14. ones Ajouter d poser de la ph romone afin de r compenser renforcer les meilleures solutions Retirer vaporer les traces de ph romone until maxCycles ou bonneSolution Antsystem Chaque ant construit un tour complet En for k 0 k lt m k for 1 0 1 lt n 1 la fourmi k choisit une ville 3 et s y d place o La fourmi k plac e sur une ville 1 l instant t choisit une ville de destination 3 en fonction de sa liste tabou pour exclure les villes d j visit es la quantit de ph romone T t sur l arc reliant les deux villes la visibilit de la ville j 1n 1 distance entre i et j o Importance relative des ph romones et de la visibilit choix al atoire selon deux param tres Q et P AntSystem ph romone vs visibilit O Visiblit information statique qui ne d pend que du probl me O Piste chimique information dynamique g r e par chaque agent m moire distribu e qui repr sente l tat de la recherche de la solution chaque agent modifie la fa on dont le probl me va tre repr sent et donc per u par les autres agents chaque agent est la fois producteur et consommateur m moire indirectement partag e via l environnement stigmergie AntSystem ph romone vs visibilit Choix al atoire selon deux param tres et P qui contr lent l importance relative des ph romones et de la visibilit La probabilit d une transition entre de
15. r a 1 nid violet 4 3 sources de nourriture bleu a 100 200 fourmis rouge NetLogo http ccl northwestern edu netlogo Initialisation DN a 1 nid au centre violet o 3 sources de nourriture bleu 4 100 a 200 fourmis rouge situ es dans le nid Comportement local des agent fourmis Bi 1 Si trouver nourriture la prendre retourner au nid en suivant l odeur du nid d poser de la ph romone 2 Sine transporte pas de nourriture si odeur ph romones les suivre sinon se d placer au hasard Comportement global observ o Les sources de nourriture sont exploit es selon leur propre distance et attrait co Emergence d une d cision collective choix d un chemin W db ticks 58 t population oe a es NE diffusion rate T 2 ee evaporation rate Wor plot Food in each pile Simulation NetLogo variables globales O PE Globals taille fourmiliere taux diffusion pheromone taux evaporation pheromone Simulation NetLogo variables propres patches own odeur pheromone quantite de pheromone sur ce patch nourriture quantite de nourriture sur ce patch nid indique si oui ou non ce patch est dans le nid odeur nid odeur diffusee par le nid sur ce patch un nombre d autant plus grand que le patch est proche du nid Simulation NetLogo setup a to setup ask patches setup nid setup nourriture create turtles taille fourmilier
16. romones mol cules pr sentes dans l environnement se r pandent localement constitution d un gradient d odeur provenant de la fourmili re ou l apparition et la disparition de ph romones indiquant la proximit de nourriture Fourragement chez les fourmis RE a a Comportement collectif formation de chemins sans aucune carte La colonie r alise une optimisation collective de la distance sans aucun leader tte tented ants baling on a waf J Warner University of Comportement local d une fourmi comment se d placer En Chaque fourmi d pose un signal chimique odorant ph romone pour indiquer le chemin ses cong n res sent et suit les ph romones d poser par les autres o metteur et r cepteur o producteur et consommateur Pourquoi a marche ns o Les fourmis d posent de la ph romone quand elle porte de la nourriture et retourne au nid o Au d part le choix d un d placement est al atoire o Le chemin le plus court devient vite le plus marqu car les fourmis qui l empruntent arrivent plus vite au nid Ph romone moyen de communication chez les insectes a Types sexuelles de piste gr gaires d alarme 4 Emetteur substance chimique produite par des glandes d clenchant des r actions comportementales entre individus de la m me esp ce o Recepteur chimior cepteurs antennes garnies d organes sensoriels o Applications pratiques en agriculture pi ge
17. s ph romones compos s d un attractif synth se de la ph romone naturelle de la femelle du ravageur et d un syst me assurant la capture des m les Pi ge a ph romones mouche de l olive EN o Pi ge compos d un toit englu et d une capsule de ph romone suspendue au milieu o Mode d emploi dans le cas g n ral il faut 1 pi ge par ha http www biotop fr O4produits mod_pheromon htm Ph nom ne autocatalytique Pont binaire de Deneubourg 1999 O O Initialement le pont est vide Apres une p riode transitoire des fluctuations al atoires favorisent la piste sup rieure plus les agents suivent une piste plus elle devient attractive Feedback positif ph nom ne qui se renforce lui m me lt Pwmeages Search sup rieure T Passage branche ransre gt LA Tenos mimes Exp rience du double pont binaire EE o O Influence des fluctuations al atoires initiales r duite a Car les 4 chemins possibles sont de longueurs diff rentes Zone de gt a Na prospection rs Effet de la coupure d une piste Fourmis naturel vs artificiel Eu o Les fourmis choisissent la piste qui porte la plus forte concentration O Piste chimique virtuelle Important de comprendre les comportements naturels avant d abstraire dans un algorithme Mais la Nature doit tre une source d inspiration et non une contrainte et donc on va prendre des libert s Mod liser amp Simule
18. tp ccl northwestern edu netlogo o R seau National de Sciences de la Complexit http complexsystems Iri fr RNSC a http fr wikipedia org Bibliographie Source a E Bonabeau M Dorigo and G Theraulaz Inspiration for optimization from social insect behaviour Nature Vol 406 juillet 2000 pp 39 42 O Bonabeau E amp Theraulaz G 2000 Swarm Smarts Scientific American 282 3 pp 72 79 O E Bonabeau M Dorigo and G Theraulaz 1999 swarm Intelligence From Natural to Artificial Systems Oxford University Press Bibliographie Source www cnrs fr Cnrspresse n386 html n386a09 htm L Intelligence collective des fourmis et nouvelles techniques d optimisation Les recherches sur les comportements collectifs des insectes sociaux fournissent aux informaticiens des m thodes puissantes pour la conception d algorithmes d optimisation combinatoire de routage Introduction Intelligence Collective o l observation de la nature a amen des chercheurs emprunter les principes observ s chez les insectes sociaux pour en faire des algorithmes efficaces pour la r solution de certains probl mes a La notion d intelligence collective prend aussi une importance notable dans le cadre de l conomie de la connaissance C est le cas avec le d veloppement des communaut s en organisation management de projet d veloppements technologiques Web 2 0 Web s mantique outils tels que W
19. ur les ph romones d posert vaporer until maxCycles ou bonneSolution Optimisation par colonie de fourmis et TSP ee Rand on AL Ra une cons quence de ACO 420 425 535 Le Fer me ru algorithm 3200 25000 80000 7 vaporation de la ph romone qui fait Evolutionary 420 426 542 programming 40000 100000 325000 nel ns annealing 24617 68512 173250 a e meilleures liaisons Optimal 420 425 535 Variante algorithme Max MinAS Fournir des r sultats comp titifs Imposer des bornes Tnin et Tmax aux traces de ph romones Les traces sont initialis s avec Le Quel est l effet de ces choix sur le fonctionnement de l algorithme 2 A voir en Travaux dirig s Algorithme Max MinAS 3 TT Initialiser repeat lt Chague ant ios eros une Soli mom lt Am liorer Chaque solution par recherche locale Mettre jour les ph romones d posert vaporer s alors la mettre a Tt min Si une tracePh romone lt t n Si une tracePh romone gt t alors la mettre Tax Until maxCycles ou bonneSolution Software package ACOTSP o Auteur Thomas St tzle o ACOs appliqu s aux TSP sym triques Ant System AS Elitist Ant System EAS MAX MIN Ant System MMAS Rank based version of Ant System RAS Best Worst Ant System BWAS Ant Colony System ACS o ANSI sous Linux http iridia ulb ac be mdorigo ACO aco code public software html ACOTSP c
20. ux villes est un compromis entre visibilit et pistes chimiques Q 0 les villes les proches ont de chance d tre s lectionn es algorithme glouton B 0 seule l amplification des ph romones agit convergence pr matur e Algorithme AS ra Initialiser repeat Chague ant Con Cruit unre solution io Un bout complet x Mettre a jour les ph romones Ajouter d poser de la ph romone afin de r compenser renforcer les meilleures solutions Retirer vaporer les traces de ph romone until maxCycles ou bonneSolution e y Fin d un cycle de base Toutes les ants ont termin un tour en revenant leur ville de d part Pour chaque ant k calculer la longueur de son tour L t vider sa liste tabou Mettre jour les ph romones Ti Rechercher le plus petit tour et le m moriser s il est meilleur que les pr c dents y Chaque ant recommence un nouveau tour partir de sa propre ville de d part Comment mettre jour les ph romones 66 Attention c est une m a j retard e l instant t n pour la p riode t t n T t n 1 p Tij t At t p dans 0 1 vaporation de la piste viter le pi ge des mimima locaux Permettre d oublier les solutions sous optimales AT t 1J quantit de ph romone d pos e par les ants entre t et t n Evaporation des ph romones O Si p 0 pas d vaporation donc pas de limitation du ph nom ne autocatalytiqu
Download Pdf Manuals
Related Search